SEGMENTASI PELANGGAN PADA JASA PERAWATAN DAN PERBAIKAN PESAWAT TERBANG DENGAN ANALISIS RFM MENGGUNAKAN METODE K-MEANS CLUSTERING
DAN K-MEDOIDS CLUSTERING DI PT.X
SKRIPSI
FABIOLA AGATA 1710312013
UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAKARTA FAKULTAS TEKNIK
PROGRAM STUDI S1 TEKNIK INDUSTRI
2021
i
SEGMENTASI PELANGGAN PADA JASA PERAWATAN DAN PERBAIKAN PESAWAT TERBANG DENGAN ANALISIS RFM MENGGUNAKAN METODE K-MEANS CLUSTERING
DAN K-MEDOIDS CLUSTERING DI PT.X
SKRIPSI
Diajukan untuk Memenuhi Persyaratan dalam Memperoleh Gelar Sarjana
FABIOLA AGATA 1710312013
UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAKARTA FAKULTAS TEKNIK
PROGRAM STUDI S1 TEKNIK INDUSTRI
2021
ii
HALAMAN PENGESAHAN PENGUJI
Skripsi diajukan oleh :
Nama : Fabiola Agata
NIM : 1710312013
Program Studi : Teknik Industri
Judul Skripsi : Segmentasi Pelanggan Pada Jasa Perawatan dan Perbaikan Pesawat Terbang Dengan Analisis RFM Menggunakan Metode K-Means Clustering dan K-Medoids Clustering
Telah berhasil dipertahankan dihadapan Tim Penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Sarjana Teknik pada Program Studi Teknik Industri, Fakultas Teknik, Universitas Pembangunan Nasional Veteran Jakarta.
Donny Montreano, ST, MT.
Penguji Utama
Santika Sari, S.T., M.T. Alina Cynthia Dewi, S.Si. M.T.
Penguji I Penguji II
Dr.Ir.Reda Rizal, B.Sc.,M.Si. Muhamad As’adi, MT, IPM.
Dekan Kepala Prodi
Ditetapkan di : Jakarta Tanggal Ujian : 24 Juni 2021
iii
HALAMAN PENGESAHAN PEMBIMBING
SEGMENTASI PELANGGAN PADA JASA PERAWATAN DAN PERBAIKAN PESAWAT TERBANG DENGAN ANALISIS RFM MENGGUNAKAN METODE K-MEANS CLUSTERING DAN K-
MEDOIDS CLUSTERING DI PT.X
Disusun Oleh :
Fabiola Agata 1710312013
Menyetujui,
Alina Cynthia Dewi, S.Si., M.T. M. Rachman Waluyo, S.T., M.T.
Pembimbing I Pembimbing II
Mengetahui,
Muhamad As’adi, MT, IPM.
Ketua Prodi S-1 Teknik Industri
iv
HALAMAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMIS
Sebagai civitas akademik Universitas Pembangunan Nasional Veteran Jakarta, saya yang bertanda tangan dibawah ini :
Nama : Fabiola Agata
NIM : 1710312013
Fakultas : Teknik
Program Studi : Teknik Industri
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Pembangunan Nasional Veteran Jakarta Hak Bebas Royalti Nonekslusif (Non Exclusive Royalty Free Right) atas karya ilmiah saya yang berjudul :
SEGMENTASI PELANGGAN PADA JASA PERAWATAN DAN PERBAIKAN PESAWAT TERBANG DENGAN ANALISIS RFM MENGGUNAKAN METODE K-MEANS CLUSTERING
DAN K-MEDOIDS CLUSTERING DI PT.X
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti ini, Universitas Pembangunan Nasional Veteran Jakarta berhak menyimpan, mengalih media/formatkan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan Skripsi saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik hak cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Jakarta Pada Tanggal : 18 Juni 2021
Yang menyatakan,
(Fabiola Agata)
v
HALAMAN PERNYATAAN ORISINALITAS
Skripsi ini adalah hasil karya saya sendiri, dan semua sumber yang dikutip maupun yang dirujuk telah saya nyatakan dengan benar.
Nama : Fabiola Agata
NIM : 1710312013
Program Studi : Teknik Industri
Bilamana dikemudian hari ditemukan ketidaksesuaian dengan pernyataan saya ini, maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku.
Jakarta, 17 Juli 2021 Yang menyatakan,
(Fabiola Agata)
vi
SEGMENTASI PELANGGAN PADA JASA PERAWATAN DAN PERBAIKAN PESAWAT TERBANG DENGAN ANALISIS RFM MENGGUNAKAN METODE K-MEANS CLUSTERING
DAN K-MEDOIDS CLUSTERING DI PT.X
Fabiola Agata
ABSTRAK
Penelitian ini dilakukan untuk mengidentifikasi segmentasi pelanggan di PT.X.
Adapun tujuan dari penelitian ini adalah untuk memperoleh segmen pelanggan pada perusahaan dengan analisis RFM (Recency, Frequency, Monetary) dan memperoleh metode terbaik pada klasterisasi pelanggan sehingga dapat merekomendasikan strategi alternatif untuk masing-masing segmen yang terbentuk.
Pada penelitian ini, metode yang digunakan adalah metode K-Means Clustering dan Metode K-Medoids Clustering. Berdasarkan hasil yang diperoleh, pada Metode K- Means Clustering didapatkan hasil cluster yang paling optimal yaitu pada jumlah cluster k=2 dengan nilai DBI 0.351. Sedangkan, pada Metode K-Medoids Clustering yaitu pada jumlah cluster k=2 dengan nilai DBI 1.297. Sehingga Metode terbaik yang terpilih yaitu Metode K-Means Clustering pada jumlah cluster k=2 dengan nilai DBI 0.351. Dimana hasil metode tersebut terdapat 2 segmen yaitu segmen 1 termasuk ke dalam kelas pelanggan Dormant Customer yang memiliki karakteristik pelanggan dengan frekuensi rendah, monetary rendah, dan recency yang rendah. Sedangkan segmen 2 termasuk ke dalam kelas pelanggan Superstar yaitu memiliki karakteristik pelanggan dengan tingkat loyalty tinggi, memiliki nilai monetary yang tinggi, memiliki frekuensi yang tinggi, dan memiliki nilai transaksi yang tinggi. Selanjutnya yaitu dapat merekomendasikan strategi alternatif untuk masing-masing segmen yang terbentuk agar pelanggan dapat kembali untuk melakukan perawatan pesawat dan perusahaan dapat mempertahankan pelanggan yang sudah loyal.
Kata kunci: Segmentasi Pelanggan, Klasterisasi Pelanggan, Karakteristik Pelanggan, Analisis RFM (Recency, Frequency, Monetary), Clustering, K-Means Clustering, K-Medoids Clustering
vii
CUSTOMER SEGMENTATION IN AIRCRAFT MAINTENANCE AND REPAIR SERVICES WITH RFM ANALYSIS USING K-
MEANS CLUSTERING AND K-MEDOIDS CLUSTERING METHODS AT PT.X
Fabiola Agata
ABSTRACT
This research was conducted to identify customer segmentation in PT.X. The purpose of this research is to acquire customer segments in companies with RFM (Recency, Frequency, Monetary) analysis and obtain the best methods on customer clusterization to recommend alternative strategies for each segment formed. In this study, the methods used were the K-Means Clustering method. Based on the results obtained, the K-Means Clustering Method obtained the most optimal cluster results, namely on the number of clusters k =2 with a DBI value of 0.351. Where the results of the method there are 2 segments, namely segment 1 belongs to the dormant customer class that has the characteristics of customers with low frequency, low monetary, and low recency. While segment 2 belongs to the superstar customer class that has the characteristics of customers with high loyalty level, has a high monetary value, has a high frequency, and has a high transaction value. Furthermore, it can recommend alternative strategies for each segment formed so that customers can return to perform aircraft maintenance and the company can maintain loyal customers.
Keywords: Customer Segmentation, Customer Clustering, Customer Characteristics, RFM (Recency, Frequency, Monetary) Analysis, Clustering, K- Means Clustering, K-Medoids Clustering
viii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan Skripsi yang berjudul
“SEGMENTASI PELANGGAN PADA JASA PERAWATAN DAN PERBAIKAN PESAWAT TERBANG DENGAN ANALISIS RFM MENGGUNAKAN METODE K-MEANS CLUSTERING DAN K-MEDOIDS CLUSTERING DI PT.X” dengan baik dan lancar.
Skripsi ini disusun sebagai salah satu syarat untuk kelulusan dalam menyelesaikan Strata-1 Program Studi Teknik Industri Fakultas Teknik Universitas Pembangunan Nasional Veteran Jakarta. Penulis menyadari bahwa skripsi ini dapat disusun karena tidak lepas dari dukungan, bimbingan, dan bantuan dari pihak yang bersangkutan dengan penulis. Maka dari itu, penulis ingin mengucapkan ucapan terima kasih kepada :
1. Allah SWT yang telah memberikan segala rahmat, nikmat, perlindungan dan segala yang terbaik bagi penulis dalam penyusunan skripsi.
2. Kedua Orang Tua dan Keluarga yang telah memberikan dukungan serta doa selama proses penyusunan skripsi.
3. Ibu Dr. Erna Hernawati, Ak, CPMA, CA selaku Rektor Universitas Pembangunan Nasional Veteran Jakarta.
4. Bapak Dr. Ir. Reda Rizal, B.Sc., M.Si selaku Dekan Fakultas Teknik Universitas Pembangunan Nasional Veteran Jakarta.
5. Bapak Muhammad As’Adi, ST, MT, IPM selaku Kepala Program Studi Teknik Industri Universitas Pembangunan Nasional Veteran Jakarta.
6. Ibu Alina Cynthia Dewi, S.Si, M.T selaku Dosen Pembimbing Akademik dan Dosen Pembimbing I yang telah memberikan arahan dan bimbingan sehingga dapat menyelesaikan perkuliahan dan pengerjaan skripsi ini.
7. Bapak Muhammad Rachman Waluyo, ST, MT selaku dosen pembimbing II yang telah memberikan arahan dan bimbingan sehingga dapat menyelesaikan perkuliahan dan pengerjaan skripsi ini.
ix 8. Bapak dan Ibu Dosen Fakultas Teknik Industri Universitas Pembangunan
Nasional Veteran Jakarta yang telah memberikan ilmu selama perkuliahan.
9. Learning Center Unit (LCU) TY yang telah memberikan ilmu dan arahan kepada penulis sehingga tersusunnya skripsi ini.
10. Mentor di Unit TY yang telah membantu, membimbing, serta memberi arahan kepada penulis sehingga tersusunnya skripsi ini.
11. Rekan-rekan di Unit TY yang telah membantu, membimbing, serta memberi arahan kepada penulis sehingga tersusunnya skripsi ini.
12. Rekan-rekan saya yang selalu memberi dukungan dan semangat dalam pengerjaan skripsi ini.
Akhir kata, penulis menyadari bahwa didalam laporan ini terdapat banyak kekurangan. Oleh karena itu, kritik dan saran yang sifatnya membangun sangat diharapkan agar laporan ini dapat menjadi lebih baik. Demikian yang dapat saya sampaikan, penulis berharap laporan ini dapat bermanfaat bagi setiap pembaca.
Jakarta, 9 Juni 2021
Penulis
x
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PENGESAHAN PENGUJI ... ii
HALAMAN PENGESAHAN PEMBIMBING ... iii
HALAMAN PERSETUJUAN PUBLIKASI ... iv
HALAMAN PERNYATAAN ORSINALITAS ... v
ABSTRAK ... vi
ABSTRACT ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... x
DAFTAR TABEL... xiii
DAFTAR GAMBAR ... xvii
DAFTAR LAMPIRAN ... xviii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 4
1.3 Tujuan ... 5
1.4 Manfaat ... 5
1.5 Ruang Lingkup ... 6
1.6 Sistematika Penulisan ... 6
BAB II TINJAUAN PUSTAKA ... 8
2.1 Penelitian Terdahulu ... 8
2.2 Pemasaran ... 11
2.3 Manajemen Pemasaran ... 12
2.4 Strategi Pemasaran ... 12
2.5 Segmentasi Pasar ... 12
2.6 Peran Penting Segmentasi dalam Bisnis ... 13
xi
2.7 Tujuan Segmentasi Pasar ... 14
2.8 Manfaat Segmentasi Pasar ... 14
2.9 Syarat Segmentasi Pasar ... 15
2.10 Analisis RFM (Recency, Frequency, Monetary) ... 15
2.11 Normalisasi Z-Score ... 17
2.12 Davies Bouldin Indeks (DBI) ... 17
2.13 Data Mining ... 19
2.14 Clustering ... 20
2.15 Metode K-Means Clustering ... 20
2.16 Metode K-Medoids Clustering ... 22
2.17 Kelebihan dan Kekurangan Metode K-Means Clustering ... 23
2.18 Kelebihan dan Kekurangan Metode K-Medoids Clustering ... 24
BAB III METODOLOGI PENELITIAN ... 25
3.1 Identifikasi Masalah ... 25
3.2 Studi Literatur ... 25
3.3 Pengumpulan Data ... 25
3.4 Tahap Pengolahan Data ... 27
3.5 Analisis Data ... 30
3.6 Flowchart Penelitian ... 30
BAB IV DATA DAN ANALISIS ... 32
4.1 Pengumpulan Data ... 32
4.2 Pengelompokkan Data Transaksi Pelanggan ke dalam Tabel RFM .... 32
4.3 Menghitung Nilai Min, Maks, Selisih dan Jarak ... 33
4.4 Menentukan Poin dan Menghitung Score RFM ... 37
4.5 Melakukan Normalisasi Data ... 39
4.6 Perhitungan Metode K-Means Clustering K=2 ... 41
4.7 Perhitungan Metode K-Means Clustering K=3 ... 57
4.8 Perhitungan Metode K-Means Clustering K=4 ... 71
4.9 Perhitungan Metode K-Medoids Clustering K=2... 83
xii
4.10 Perhitungan Metode K-Medoids Clustering K=3... 92
4.11 Perhitungan Metode K-Medoids Clustering K=4... 106
4.12 Menentukan Metode Terbaik ... 116
4.13 Segmentasi Pelanggan Metode K-Means Clustering ... 117
4.14 Rekomendasi Strategi dari Segmen yang Terbentuk ... 120
BAB V KESIMPULAN DAN SARAN ... 125
5.1 Kesimpulan ... 125
5.2 Saran ... 126
DAFTAR PUSTAKA
RIWAYAT HIDUP
LAMPIRAN
xiii
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu ... 8
Tabel 2.2 Karakteristik Pelanggan Berdasarkan Nilai RFM ... 16
Tabel 4.1 Data Transaksi Pelanggan ... 32
Tabel 4.2 Hasil Min, Max, Different, Distance Recency ... 34
Tabel 4.3 Hasil Min, Max, Different, Distance Frequency ... 35
Tabel 4.4 Hasil Min, Max, Different, Distance Monetary ... 36
Tabel 4.5 Poin dan Score RFM ... 37
Tabel 4.6 Hasil Normalisasi Z-Score ... 39
Tabel 4.7 Centroid Awal ... 41
Tabel 4.8 Iterasi Pertama... 42
Tabel 4.9 Centroid Baru Iterasi 2 ... 43
Tabel 4.10 Iterasi Kedua ... 44
Tabel 4.11 Centroid Baru Iterasi 3 ... 46
Tabel 4.12 Iterasi Ketiga ... 47
Tabel 4.13 Centroid Baru Iterasi 4 ... 48
Tabel 4.14 Iterasi Keempat ... 49
Tabel 4.15 Centroid Baru Iterasi 5 ... 50
Tabel 4.16 Iterasi Kelima ... 51
Tabel 4.17 Centroid Baru Iterasi 6 ... 53
Tabel 4.18 Iterasi Keenam ... 54
Tabel 4.19 Nilai SSW K=2 ... 55
Tabel 4.20 Nilai SSB K=2 ... 56
Tabel 4.21 Nilai Rasio K=2 ... 56
Tabel 4.22 Nilai DBI K=2 ... 56
Tabel 4.23 Centroid Awal ... 57
Tabel 4.24 Iterasi Pertama... 58
Tabel 4.25 Centroid Baru Iterasi 2 ... 59
xiv
Tabel 4.26 Iterasi Kedua ... 60
Tabel 4.27 Centroid Baru Iterasi 3 ... 62
Tabel 4.28 Iterasi Ketiga ... 63
Tabel 4.29 Centroid Baru Iterasi 4 ... 64
Tabel 4.30 Iterasi Keempat ... 65
Tabel 4.31 Centroid Baru Iterasi 5 ... 67
Tabel 4.32 Iterasi Kelima ... 68
Tabel 4.33 Nilai SSW K=3 ... 70
Tabel 4.34 Nilai SSB K=3 ... 70
Tabel 4.35 Nilai Rasio K=3 ... 71
Tabel 4.36 Nilai DBI K=3 ... 71
Tabel 4.37 Centroid Awal ... 72
Tabel 4.38 Iterasi Pertama... 73
Tabel 4.39 Centroid Baru Iterasi 2 ... 74
Tabel 4.40 Iterasi Kedua ... 76
Tabel 4.41 Centroid Baru Iterasi 3 ... 77
Tabel 4.42 Iterasi Ketiga ... 79
Tabel 4.43 Nilai SSW K=4 ... 80
Tabel 4.44 Nilai SSB K=4 ... 81
Tabel 4.45 Nilai Rasio K=4 ... 82
Tabel 4.46 Nilai DBI K=4 ... 82
Tabel 4.47 Medoids Awal ... 83
Tabel 4.48 Iterasi Pertama... 83
Tabel 4.49 Medoids Baru Iterasi 2 ... 85
Tabel 4.50 Iterasi Kedua ... 85
Tabel 4.51 Medoids Baru Iterasi 3 ... 87
Tabel 4.52 Iterasi Ketiga ... 88
Tabel 4.53 Nilai SSW K=2 ... 90
Tabel 4.54 Nilai SSB K=2 ... 90
xv
Tabel 4.55 Nilai Rasio K=2 ... 91
Tabel 4.56 Nilai DBI K=2 ... 91
Tabel 4.57 Medoids Awal ... 92
Tabel 4.58 Iterasi Pertama... 92
Tabel 4.59 Medoids Baru Iterasi 2 ... 94
Tabel 4.60 Iterasi Kedua ... 95
Tabel 4.61 Medoids Baru Iterasi 3 ... 97
Tabel 4.62 Iterasi Ketiga ... 97
Tabel 4.63 Medoids Baru Iterasi 4 ... 99
Tabel 4.64 Iterasi Keempat ... 100
Tabel 4.65 Medoids Baru Iterasi 5 ... 102
Tabel 4.66 Iterasi Kelima ... 102
Tabel 4.67 Nilai SSW K=3 ... 104
Tabel 4.68 Nilai SSB K=3 ... 105
Tabel 4.69 Nilai Rasio K=3 ... 105
Tabel 4.70 Nilai DBI K=3 ... 106
Tabel 4.71 Medoids Awal ... 106
Tabel 4.72 Iterasi Pertama... 107
Tabel 4.73 Medoids Baru Iterasi 2 ... 109
Tabel 4.74 Iterasi Kedua ... 109
Tabel 4.75 Medoids Baru Iterasi 3 ... 111
Tabel 4.76 Iterasi Ketiga ... 112
Tabel 4.77 Nilai SSW K=4 ... 114
Tabel 4.78 Nilai SSB K=4 ... 114
Tabel 4.79 Nilai Rasio K=4 ... 115
Tabel 4.80 Nilai DBI K=4 ... 116
Tabel 4.81 Rekapitulasi Nilai DBI ... 116
Tabel 4.82 Hasil Cluster 1 ... 117
Tabel 4.83 Hasil Cluster 2 ... 118
xvi
Tabel 4.84 Rekapitulasi Cluster 1 ... 118
Tabel 4.85 Rekapitulasi Cluster 2 ... 120
Tabel 4.86 Rekomendasi Strategi Pelanggan Dormant Customer ... 121
Tabel 4.87 Rekomendasi Strategi Pelanggan Superstar ... 123
xvii
DAFTAR GAMBAR
Gambar 1.1 Grafik Data Transaksi Pelanggan ... 2 Gambar 3.1 Flowchart Penelitian ... 31
xviii
DAFTAR LAMPIRAN
Lampiran 1. Wawancara Perusahaan
Lampiran 2. Lembar Konsultasi Dosen Pembimbing I Lampiran 3. Lembar Konsultasi Dosen Pembimbing II Lampiran 4. Surat Pernyataan Bebas Plagiarism